非线性模型的一种半参数估计方法

提出用半参数估计理论来解求非线性问题的思想,即用半参数模型中的非参数分量表达非线性模型线性化后的近似余项,推导基于最小二乘核估计的相应解算公式,通过算例试验分析表明,此法对于非线性强度较强的模型,其效果较为明显.     

基于非线性模型高精度参数估计的新解算方法

在对传统求解非线性模型参数的思想进行分析和研究的基础上,提出一种利用多平差方法对待估参数进行相互迭代,以求得参数估值的新算法。通过实例说明该算法在解算精度和收敛速度方面优于传统解算方法。     

基于同伦方法的非线性测量模型参数估计

提出了非线性模型参数稳健估计的同伦算法和带约束非线性模型参数估计的同伦算法,推导了相应的非线性同伦算法的函数模型。算例计算结果表明,所提出的算法对初值要求不高,算法收敛,计算结果精度较好,是非线性测量模型参数估计的一种有效方法。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

EIV模型参数估计的新方法

提出了一种EIV(errors-in-variables)模型参数估计的新方法,即根据非线性最小二乘平差理论,并用构造结构矩阵的方法来顾及系数矩阵的重复元素和常数项,推导了其迭代算法和精度评定公式。新方法统一了总体最小二乘、加权总体最小二乘以及结构总体最小二乘三种算法,并给出了详细的解算步骤。新方法的推导过程及其迭代格式较为简单,易于程序实现。最后通过两个实例验证了本文方法的有效性和可行性。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

广义非线性最小二乘测量参数平差的快速差分迭代解算

本文针对"数字化建设"中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂,或者导数不存在的函数模型而言,具有计算量小、收敛速度快等特点。     

广义非线性动态处理模型及其解算方法

本文针对当今各国高层领导和科学家十分关注并大力倡导的“数字地球”、“数字国家”、“数字城市”、“数字矿山”等科学工程构建中遇到的大量的多源、多维、多类型、多时态、多精度并具有非线性特征的联合数据处理问题的特点,建立了一个广义非线性动态联合数据处理模型及其相应的广义非线性最小二乘模型。针对该模型规模大、维数高的特点,借鉴多变量函数寻优的“变量轮换法”或“因素交替法”的思想、结合无记忆牛顿法,建立了一个解算算法,该算法将大规模的优化问题分解为两个较低规模的优化问题进行解算,降低了问题的规模,借助无记忆牛顿法,减少了存储量,特别适合大规模问题的解算。     

广义非线性最小二乘测量参数平差的快速差分迭代解算

针对数字化建设中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂或者导数不存在的函数模型而言,具有适应面广、算法简单等特点,为广义非线性数据处理中的参数估计问题的解决开拓了又一新的思路。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

基于多面核函数配置型模型的参数估计

针对同时出现非随机参数、已测点和未测点信号的配置型模型精确建立协方差函数的困难,在研究和应用最小二乘配置和多面函数拟合法的基础上,将两法综合,提出了多面核函数配置法,导出了这种平差方法的解算公式,并与最小二乘配置、多面函数拟合作了比较分析。     

MATLAB语言在非线性最小二乘估计中的应用

伴随着测量事业的发展,要编制测量参数估计的矩阵运算程序越来越复杂,难度也越来越大。MATLAB与其他编程语言相比,具有简单直观、速度快等特点。本文将MATLAB语言运用于非线性模型参数估计,并给出了单纯形法进行非线性参数估计的函数程序。     

快速同伦算法在非线性最小二乘平差中的应用

针对线性化近似法模型误差大,牛顿迭代法和高斯-牛顿法局部收敛等不足,而同伦算法在非线性数据处理方面有独到优势。通过对同伦路径跟踪过程中牛顿迭代终止判据和步长控制策略进行了改进,得到了一种快速、稳定的同伦路径跟踪算法。     

一种WiFi无线接入点位置估计新算法

目的 针对无线接入点的位置估计问题,利用基于接收信号强度的测距技术,提出一种无需已知测距模型参数的无线接入点位置估计算法。该算法首先通过距离间的比例关系消去和无线接入点发射功率相关的测距模型参数;然后根据最小二乘原理来搜索最佳路径损耗指数,再确定无线接入点的位置。仿真结果表明,该算法能够改善现有无线接入点位置估计算法存在的不足,提升位置估计的精度。     

Partial EIV模型的非负最小二乘方差分量估计

Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。     

基于模糊隶属函数的参数稳健估计

参数估计过程经常遇到2个主要问题:一个是最小二乘与稳健估计不能兼顾最优无偏性和稳健性;另一个是非线性模型参数估计进行线性近似处理中带来的模型误差导致对粗差的错误鉴别和定位。针对以上2个问题,提出了基于模糊隶属函数的稳健估计方法。该方法通过隶属度加权来削弱个别粗差污染数据对参数估计结果的影响,从而达到提高参数估计稳健性的目的。分别用线性回归模型和非线性回归模型对该算法进行了验证,结果表明,该算法对粗差具有较好的抵抗能力,能够对参数进行稳健估计。     

LS估计精度评定的新思考

从先验信息获取的角度，将测量平差的随机模型分成了3种情况；并相应讨论了这3种情况下所涉及的LS估计精度评定问题。通过文中的讨论，将有助于进一步深化测量平差的教学研究与实践工作。     

非线性模型参数估计的直接解法

提出了非线性模型参数估计的直接解法。该方法不仅不需迭代,而且由于顾及了二次项和三次项的影响,参数估值的精度优于传统的线性近似时参数估值的精度,且易应用传统的精度评定理论进行精度评定。